2023
State analysis of fMRI in amnestic mild cognitive impairment
GAJDOŠ, Martin, Marie NOVÁKOVÁ, Martin LAMOŠ, Pavel ŘÍHA, Irena REKTOROVÁ et. al.Základní údaje
Originální název
State analysis of fMRI in amnestic mild cognitive impairment
Autoři
GAJDOŠ, Martin (203 Česká republika, garant, domácí), Marie NOVÁKOVÁ (203 Česká republika, domácí), Martin LAMOŠ (203 Česká republika, domácí), Pavel ŘÍHA (203 Česká republika, domácí), Irena REKTOROVÁ (203 Česká republika, domácí) a Michal MIKL (203 Česká republika, domácí)
Vydání
Czech – Austrian Workshop on Magnetic Resonance Imaging and Spectroscopy, 2023, Znojmo, 2023
Další údaje
Jazyk
angličtina
Typ výsledku
Konferenční abstrakt
Obor
30103 Neurosciences
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Odkazy
Organizační jednotka
Středoevropský technologický institut
Klíčová slova anglicky
Amnestic mild cognitive impairment; dynamic functional connectivity; sliding window analysis;
Příznaky
Recenzováno
Změněno: 22. 8. 2024 14:19, Mgr. Eva Dubská
Anotace
V originále
Amnestic mild cognitive impairment (aMCI) is transitional state between normal aging and early dementia. In this work, we studied dynamic functional connectivity captured with sliding window analysis, whoch was performed on a dataset of 76 subjects (38 HC + 38 aMCI). We found significant differences in coverage in 2 out of 4 identified states. Moreover, with support vector machine, we were able to discriminate between these two groups with approx. 95% accuracy. In future work, we plan to crossvalidate presented classifier. Amnestic mild cognitive impairment (aMCI) is transitional state between normal aging and early dementia. In this work, we studied dynamic functional connectivity captured with sliding window analysis, whoch was performed on a dataset of 76 subjects (38 HC + 38 aMCI). We found significant differences in coverage in 2 out of 4 identified states. Moreover, with support vector machine, we were able to discriminate between these two groups with approx. 95% accuracy. In future work, we plan to crossvalidate presented classifier.
Návaznosti
NU21J-04-00077, projekt VaV |
| ||
90250, velká výzkumná infrastruktura |
|